Распознавание текста в файле¶

Модуль OCR предназначен для распознавания текста в файлах и формирования pdf-файлов с текстовым слоем.

Данный модуль выполняет следующие функции:

Создание карточки операции OCR для файла, который необходимо распознать.
Создание запроса на распознавание текста в файле с заданными параметрами.
Отслеживание прогресса распознавания текста файла.
Формирование json-файла с метаданными, содержащими информацию о распознанных элементах. Формирование pdf-файла, в котором хранится содержимое распознаваемого файла и распознанный текст в виде текстового слоя документа.

Для работы модуля необходимо:

Установить и настроить Веб-сервис Jinni для работы с документами, сконфигурировав его для поддержки операций OCR (см. Конфигурирование веб-сервиса).
Включить плагин TextRecognitionCollector сервиса Chronos, выставив в соответствующем xml файле disabled="false". Все конфигурационные файлы плагинов сервиса Chronos хранятся в папке Chronos\Plugins\Tessa\configuration. Более подробно про плагины см. в разделе Настройка плагинов Chronos.
Включить функциональность распознавания текста в карточке настроек “Настройки распознавания текста”. Подробное описание настроек см. ниже.
Проверить наличие файла Tessa.Chronos.DocumentsLoad.dll в папке Chronos\Plugins\Tessa.

Поддерживаемые типы документов: pdf, gif, tif, tiff, pnm, png, jpg, jpeg, jfif, bmp (кроме 32-битовых 4-х канальных изображений с поддержкой прозрачности - требуется преобразование к другому формату, например png).

Карточка настроек “Настройки распознавания текста” (Правое меню → Настройки → Настройки распознавания текста) содержит следующие настройки:

Параметр

Описание

Включить распознавание текста в файле

Отвечает за включение/отключение модуля. Если этот флаг снят, то перестаёт отображаться пункт “Распознавание текста” контекстного меню файла в карточке документа, не работают плагины Chronos для распознавания текста в файле и удаления карточек операций OCR

Таблица	Описание
Настройки типов для маппинга полей	Таблица со списком типов карточек/документов, для которых будут добавлены секции с полями для маппинга значений в ходе верификации документа в карточке операции OCR
Настройки секций для маппинга полей	Таблица со списком секций соответствующего типа, для которых будут добавлены поля для маппинга значений в ходе верификации документа в карточке операции OCR
Настройки полей для маппинга	Таблица со списком полей соответствующих типа и секции для маппинга значений в ходе верификации документа в карточке операции OCR

Таблица	Описание
Настройки шаблонов	Таблица с шаблонами в виде регулярных выражений, которые используются при верификации значений в полях карточки операции OCR

Параметр	Описание
№	Порядок записи в таблице. Порядок задаёт приоритет проверки шаблона в рамках одного и того же типа данных при верификации поля в карточке операции OCR
Тип шаблона	Тип данных поля, для проверки которого будет использован шаблон
Значение шаблона	Паттерн, который представлен в виде регулярного выражения. Данный паттерн будет использован при верификации поля
Описание	Дополнительная информация, описывающая шаблон. В частности, пример входных данных или паттерн в понятном виде

Important

Значение шаблона должно содержать регулярное выражение, которое состоит из именованных групп. Набор имён групп фиксирован и перечислен в подсказке, которая отображается при создании или изменении строки с шаблоном. Порядок групп не имеет значения, однако имеет значение порядок шаблона в таблице, так как проверка значения поля будет выполняться с учетом приоритетности. Например, предполагается, что дата в верифицируемом поле имеет формат MM-dd-yyyy. А в таблице настройки шаблонов паттерн MM-dd-yyyy стоит после паттерна dd-MM-yyyy, т.е. имеет меньший приоритет. В случае, если верифицируемое поле будет иметь значение 01-02-2023, то 01 будет обработано как день, а 02 - как месяц, поскольку будет применён паттерн dd-MM-yyyy. Если необходимо обратное поведение, то необходимо изменить порядок записей в таблице настройки шаблонов.

Для запуска процесса OCR посредством утилиты tadmin обратитесь к разделу Команда распознавания текста в файле.